Morphological differences and migration patterns of greater and lesser snow geese in New York State
Notice bibliographique
Résumé
Abstract Lesser ( Chen caerulescens caerulescens , LSGO) and greater snow goose ( Chen caerulescens atlantica , GSGO) populations have increased substantially in the past 50 years. The light goose conservation order established in 1998 (Canada) and 1999 (U.S.) aimed to increase snow goose harvest and stabilize populations because breeding ground abundance was thought to negatively impact arctic ecosystems. In the Atlantic flyway, where LSGO and GSGO are both available for harvest, techniques to differentiate sub‐species in the field using morphology may be helpful for harvest management because mid‐continent LSGO are ~16 times more abundant than GSGO ( n < 1,000,000). We investigated percentages and spatial distribution of LSGO and GSGO in the spring harvest in NY as this information could be useful for snow goose population and harvest management decisions. We developed a discriminant function analysis (DFA) using heads from snow geese harvested during spring 2016 to 2018 and were able to differentiate between LSGO and GSGO with 95.5% accuracy. Based on the DFA results, we estimated that spring harvest in New York state was 80% GSGO and 20% LSGO. Using band recoveries from autumn and spring harvests, we also identified that GSGO harvest occurred farther west during spring than autumn and in the 2010s than prior two decades. Our results indicate that GSGO comprise most snow goose harvest in New York state and provide evidence for a shift in spring migration patterns of GSGO since the 1990s.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».